基礎模型自身存在局限性
很多報告中都提到，生成式AI會對營銷這件事產(chǎn)生很深的影響。比如，大規(guī)模生成創(chuàng)意內(nèi)容、優(yōu)化營銷和投放策略、提升推薦系統(tǒng)的個性化和相關性等。在帶來營銷生產(chǎn)力提升的同時，也有人會擔心丟掉自己的工作。
但在曹志斌看來，針對營銷運營場景，基礎模型自身存在一定的局限性。
以營銷場景中經(jīng)常要寫文章這件事為例來看。首先，由于模型對業(yè)務訴求缺乏清晰理解，需要人工提供指導來告知模型具體的業(yè)務需求。而且，文章中經(jīng)常需要傳遞的新內(nèi)容、新服務、新產(chǎn)品等信息，這些內(nèi)容生成式AI無法自行生成，必須依賴人類提供原始內(nèi)容。
隨后，當生成式AI產(chǎn)出內(nèi)容后，很快會發(fā)現(xiàn)這些內(nèi)容并不完美，還需要后續(xù)通過提示工程逐步引導，仍然需要人工參與。最后，當審視一篇文章的時候，由于文章的好壞本身沒有統(tǒng)一的標準，AI無法自行判斷，所以，仍舊需要人類來定義。
曹志斌表示，生成式AI基礎模型與真實應用場景之間的差距還是非常大的，當用戶希望生成式AI直接給出簡單的答案時，往往會行不通。
比如，當用戶希望被告知購買汽車保險需要花多少錢時？會發(fā)現(xiàn)，模型還需要知道用戶的家庭背景、工作環(huán)境、是否有孩子等，還需要知道用戶所在的國家和城市的相關信息。這說明AI的使用者只有提供詳細的信息和引導，才能使生成式AI系統(tǒng)更好地理解和處理實際需求。
生成式AI應用正在實際場景中快速落地
在曹志斌看來，2023年業(yè)內(nèi)普遍還在對生成式AI進行PoC驗證，2024年，企業(yè)用戶開始在實際場景中應用生成式AI。當提到生成式AI的價值時，他將其總結為提升客戶體驗、提高生產(chǎn)效率、提供更多洞察力和推動創(chuàng)新力四個方面。
在線旅行預訂平臺Booking.com 利用亞馬遜云科技的Amazon Bedrock以及其他生成式 AI 技術，通過分析過往旅客的數(shù)據(jù)和信息，來推薦合適的酒店、航班和景點，為客戶提供個性化的旅行計劃。
LexisNexis 是全球知名的法律信息服務公司，它使用亞馬遜云科技的Amazon Bedrock以及Anthropic模型技術來高效分類整理、歸檔和查找大量法律文案，這大幅提高了處理速度，使律師能夠更快速地檢索信息，提升了工作效率。
美國著名稅務軟件公司 Intuit 推出了 Intuit Assist 工具，利用亞馬遜云科技的生成式 AI技術 提供個性化的財務建議。該工具分析用戶財務數(shù)據(jù)，提供優(yōu)化建議和理財規(guī)劃，幫助用戶更好地管理財務，提高用戶體驗。
路透社（Thomas Reuters）通過亞馬遜云科技的Amazon Bedrock技術整合和分析大量新聞和數(shù)據(jù)來源，提供更新、更深入的見解。這使新聞報道更加及時和準確，推動了媒體行業(yè)的創(chuàng)新和變革。
這些案例表明，生成式AI技術在全球范圍內(nèi)的企業(yè)中快速落地，顯著提升了客戶體驗和業(yè)務效率。除了幫別人使用生成式AI服務，亞馬遜自己也在用生成式AI技術。
比如，在Amazon.com的評價體系中，利用生成式AI分析和匯總客戶評價，幫助消費者更好地了解產(chǎn)品的優(yōu)缺點。亞馬遜還構建了一個叫Rufus的“購物專家”，利用生成式AI為客戶提供購物建議和產(chǎn)品推薦，提高購物體驗。
此外，還有一個叫Amazon Pharmacy的新服務，通過生成式AI處理處方信息，加快處方處理速度并減少錯誤。Amazon Music也推出了Metrics功能，生成式AI根據(jù)用戶的心情和描述推薦播放列表。
這些應用展示了生成式AI在改善用戶體驗方面的巨大潛力，越來越多的企業(yè)正在將通用的生成式AI轉變?yōu)楦私馄錁I(yè)務和用戶需求的定制化AI。對于更多對于生成式AI躍躍欲試的企業(yè)來說，要如何開啟生成式AI之旅呢？
生成式AI戰(zhàn)略的戰(zhàn)略建議
對此，曹志斌介紹了生成式AI應用落地要注意的三大關鍵策略。首先，明確業(yè)務場景的適用性，選擇合適的模型和技術；其次，設定全面的數(shù)據(jù)戰(zhàn)略，讓AI更好地理解和利用企業(yè)數(shù)據(jù)；最后，重視實現(xiàn)的方式和工具，以提高效率。
第一大策略：明確業(yè)務場景的適用性。
曹志斌強調(diào)，亞馬遜云科技認為，“不會有一個生成式 AI 基礎模型能適用所有業(yè)務場景”。所以，企業(yè)在應用生成式AI時，必須明確業(yè)務場景的適用性，需要根據(jù)具體需求選擇合適的模型和技術。
在確定業(yè)務場景時，企業(yè)需要考慮團隊和知識儲備、預算、項目可行性、資源投入和投資回報率、數(shù)據(jù)支持、風險和時間要求等多個維度。針對不同的業(yè)務場景，不同規(guī)模和能力的模型有著不同的適用性，企業(yè)應根據(jù)具體需求進行選擇。
第二大策略：設定全面的數(shù)據(jù)戰(zhàn)略。
曹志斌指出，數(shù)據(jù)是生成式AI應用的核心，企業(yè)必須設定全面的數(shù)據(jù)戰(zhàn)略，確保生成式AI能夠充分利用企業(yè)數(shù)據(jù)，理解業(yè)務場景并有效完成任務。而且，由于生成式AI可以利用各種數(shù)據(jù)，所以，需要對數(shù)據(jù)做多維度的考量。
比如，一個電商平臺的數(shù)據(jù)包括搜索記錄、客戶評論、購物車內(nèi)容和推薦系統(tǒng)數(shù)據(jù)，這些信息對于生成式AI的應用都會至關重要。亞馬遜云科技提供了一系列數(shù)據(jù)存儲和分析等服務，幫助企業(yè)管理和利用這些數(shù)據(jù)。
第三大策略：重視實現(xiàn)方法和工具。
這里主要強調(diào)了工具和方法的重要性。曹志斌提到，好的工具可以簡化模型的調(diào)用和管理，加速開發(fā)和落地過程。亞馬遜云科技提供了三層技術架構：基礎架構層、工具層和開箱即用服務層，支持模型調(diào)優(yōu)、應用開發(fā)和業(yè)務用戶的需求。
例如，Amazon SageMaker提供了模型調(diào)優(yōu)和部署的大規(guī)模能力，Amazon Bedrock支持不同模型的選擇和定制，而Amazon Q則是為企業(yè)和開發(fā)者提供的虛擬助理，幫助更好地分析和理解企業(yè)數(shù)據(jù)。
結束語
盡管生成式AI技術本身仍有一些問題，但一些嘗試和探索著實展現(xiàn)出了誘人的前景。對于那些想要開啟生成式AI之旅的企業(yè)，也應該意識到明確業(yè)務場景、設定數(shù)據(jù)戰(zhàn)略、重視實現(xiàn)方法和工具的重要性。
未來，隨著生成式AI技術的不斷發(fā)展和落地，我們可以預見它將在更多領域發(fā)揮重要作用，助力企業(yè)實現(xiàn)創(chuàng)新和增長。
